AI 비전 검사 도입, 카메라 달기 전에 정할 것들

라인 끝 검사대에서 숙련 검사원 한 명이 은퇴하면 그 자리를 채우기가 쉽지 않습니다. 새로 온 사람은 기준을 익히는 데 몇 달이 걸리고, 그사이 같은 제품을 두고 사람마다 판정이 갈립니다. 그래서 카메라와 AI로 검사를 돕는 비전 검사를 알아보게 됩니다. 업체 시연에서는 불량에 빨간 상자가 척척 그려집니다.

그런데 시연과 현장은 다릅니다. 이 글에서는 비전 검사가 잘 맞는 공정을 가리는 법부터 불량 기준 합의, 촬영 환경, 데이터, 판정 기준값, 라인에 붙인 뒤의 운영까지, 카메라를 달기 전에 정해야 할 것을 순서대로 정리합니다.

비전 검사가 잘 맞는 공정, 어려운 공정

모든 검사를 카메라로 바꿀 수 있는 것은 아닙니다. 먼저 우리 공정이 어느 쪽에 가까운지 봅니다.

어려운 쪽에 속해도 방법이 없는 것은 아닙니다. 다만 조명과 지그(제품을 고정하는 장치)에 드는 비용과 시간이 커지고, 시범 단계에서 확인할 것이 많아집니다.

불량의 정의를 사진으로 합의합니다

"긁힘이 있으면 불합격"이라는 기준은 사람끼리는 통하는 것 같지만, 막상 경계에 있는 제품을 놓고 보면 숙련자끼리도 의견이 갈립니다. 길이가 몇 밀리미터부터인지, 어느 면까지 보는지, 손톱에 걸리는지 같은 기준이 머릿속에만 있기 때문입니다.

그래서 첫 작업은 불량 유형마다 합격과 불합격의 경계에 있는 실물 사진을 모아 품질팀이 함께 판정을 맞추는 일입니다. 제조 현장에서 쓰는 한도 견본을 사진으로 옮긴다고 생각하면 됩니다. 이렇게 합의한 사진 묶음이 그대로 AI가 배울 정답이 됩니다. 이 단계를 건너뛰면 AI는 서로 다른 기준이 섞인 데이터를 배우게 되고, 정확도가 오르지 않는 이유를 나중에 찾기 어렵습니다.

촬영 환경을 먼저 고정합니다

같은 제품도 조명 각도가 바뀌면 긁힘이 보이기도 하고 사라지기도 합니다. 비전 검사에서 모델보다 먼저 정해야 하는 것이 촬영 조건인 이유입니다.

• 조명. 표면 긁힘은 낮은 각도에서 비추는 조명에서 잘 드러나고, 반사가 심한 금속은 빛을 고르게 퍼뜨리는 돔 조명이나 동축 조명을 검토합니다. 바깥 빛이 들어오는 자리라면 가림막부터 칩니다.
• 위치와 자세. 제품이 매번 같은 위치, 같은 방향으로 들어오도록 지그나 가이드를 둡니다. 자세가 흔들리면 그만큼 데이터가 더 필요합니다.
• 속도. 라인 속도에서 흔들림 없이 찍히는지, 한 개를 찍고 판정하는 시간이 공정 주기 안에 들어오는지 확인합니다.

촬영이 안정되면 같은 모델로도 결과가 크게 좋아집니다. 반대로 촬영이 흔들리는 상태에서 모델만 바꾸는 것은 대개 시간 낭비입니다.

불량 사진이 적을 때는 이렇게 합니다

공정이 안정된 공장일수록 불량 사진을 모으기 어렵습니다. 정상 사진은 하루에 수만 장 쌓이는데 특정 불량은 한 달에 몇 장뿐인 경우가 흔합니다.

이럴 때 쓰는 방법이 정상 제품의 모습만 학습해서 정상과 다른 것을 찾아내는 이상 탐지입니다. 처음 보는 유형의 불량도 걸러낼 수 있다는 장점이 있습니다. 대신 '무엇이 다른지'까지는 알려 주지 않아서, 불량 유형을 나눠야 한다면 걸러진 사진을 사람이 분류해 데이터를 조금씩 쌓아 가는 과정이 필요합니다. 시범 단계에서는 이상 탐지로 걸러 내고 사람이 최종 판정하는 구성이 현실적입니다.

놓침과 과검출, 무엇이 더 비싼지 정합니다

비전 검사는 두 종류의 실수를 합니다. 불량을 정상으로 통과시키는 놓침과, 정상을 불량으로 거르는 과검출입니다. 판정 기준값을 엄격하게 하면 놓침은 줄지만 과검출이 늘어납니다. 둘을 동시에 0으로 만들 수는 없습니다.

표의 숫자는 판단 방식을 보여 주기 위한 예시입니다. 실제 숫자는 시범 기간에 우리 제품으로 재야 합니다. 어느 줄을 고를지는 기술팀이 아니라 품질팀과 생산팀이 함께 정할 문제입니다. 과검출된 제품을 누가 얼마나 다시 볼 수 있는지가 답을 정하기 때문입니다.

도입은 이 순서로 진행합니다

다섯 번째 단계인 병행 검사를 건너뛰지 않는 것이 중요합니다. 사람과 AI의 판정이 다른 제품들이 가장 값진 데이터가 되고, 현장 작업자가 AI를 믿게 되는 과정도 여기서 생깁니다.

효과는 무엇으로 재나

시범 도입의 성과를 "잘 잡는다"로 보고하면 다음 투자를 설득하기 어렵습니다. 시작하기 전에 지금 숫자를 재 두고, 같은 기준으로 비교합니다.

• 놓침률. 출하 뒤 고객 불만이나 후공정에서 발견된 불량 중 검사에서 놓친 비율.
• 과검출률. 불량으로 걸렀지만 재검에서 정상으로 판정된 비율. 재검 인력의 부담과 바로 연결됩니다.
• 재검 시간. 걸러진 제품을 사람이 다시 보는 데 드는 하루 시간.
• 판정 편차. 같은 제품 묶음을 검사원 여러 명과 AI가 각각 판정했을 때 서로 다른 비율. 사람끼리의 편차를 먼저 재 두면 AI의 목표치를 현실적으로 정할 수 있습니다.

라인에 붙인 뒤에도 할 일이 있습니다

원자재가 바뀌거나 설비를 손보면 제품의 겉모습이 조금씩 달라집니다. 처음에 잘 맞던 모델도 시간이 지나면 정확도가 떨어질 수 있습니다. 운영 단계에서 챙길 것은 세 가지입니다.

비용은 카메라와 조명 같은 장비만 보면 과소평가하기 쉽습니다. 지그 제작, 데이터 정리와 라벨링, 병행 검사 기간의 인력까지 함께 계산해야 합니다. 예산을 잡는 방법은 AI 도입 비용에서 더 자세히 다룹니다.

다음 단계

비전 검사의 성패는 모델 선택보다 불량 기준, 촬영 환경, 운영 체계에서 갈립니다. 이 세 가지를 먼저 정리하면 모델 선택은 오히려 쉬운 문제가 됩니다. 우리 공정에 맞는지 판단이 서지 않는다면 AX 컨설팅에서 현장 조사부터 함께 시작할 수 있고, 구축이 필요하다면 AI 솔루션 소개를 참고해 주세요.